Jurnal Elemen Volume 3 Nomor 1, Desember 2016 ISSN : 2442-4471

PENGEMBANGAN SISTEM DETEKSI KELELAHAN PADA PENGEMUDI

MOBIL BERBASIS SINYAL ELECTROMYOGRAPHY (EMG)

Sukma Firdaus, Marlia Adriana

Jurusan Mesin Otomotif, Politeknik Negeri Tanah Laut

email: sukma@politala.ac.id

ABSTRAK
Peningkatan alat trasportasi khususnya kendaraan roda empat (mobil) mengakibatkan peningkatan
volume kendaraan di jalan. Hal ini berdampak pada meningkatnya kemacetan. Selain kemacetan,
peningkatan volume kendaraan berdampak juga pada peningkatan kecelakan lalu lintas. Salah satu
penyebab kecelakan lalu lintas adalah faktor pengendaranya, yaitu kelelahan. Penelitian ini, merancang
sistem pendeteksi kelelahan pengemudi, berdasarkan sinyal biologis pengemudi yaitu sinyal biologis
kondisi otot lengan. Sinyal tersebut direkam dengan menggunakan metode surface EMG. Elektroda yang
ditempelkan disebelah kanan lengan dihubungkan dengan penguat instrumentasi dan digitalisasi melalui
unit pemproses sinyal untuk dapat disimpan kedalam komputer. Kegiatan pengambilan data dilakukan
sebanyak 8 kali dengan jarak tempuh pengemudi sebesar 80 km dari Kota Banjarmasin menuju Kota
Pelaihari. Akuisisi data menggunakan frekuensi sampling sebesar 4 KHz dan diproses secara filter analog
untuk High Pass Filter sebesar 2 KHz dan Low Pass Filter sebesar 500 Hz. Setelah data direkam, sinyal
dilakukan proses downsampling menjadi 1 KHz. Pada proess digital, dilakukan lagi proses pemfilteran
secara Low Pass Filter sebesar 500 Hz. Proses digital selanjutnya adalah melakukan analisis pada domain
frekuensi menggunakan transformasi fourier dengan memakai algoritma fast fourier transform (fft). Hasil
dari transformasi fourier diidentifikasi berdasarkan nilai Mean Power Frequency (MPF). Berdasarkan
hasil perhitungan MPF yang telah dilakukan, diperoleh saat awal berkendara nilai rata-rata MPF nya
adalah sebesar 25,2 Hz sedangkan pada akhir berkendara bernilai sebesar 33,3 Hz. Dengan hasil ini dapat
tergambarkan kondisi pengemudi pada awal mengemudi dan tidak terjadi kelelahan maka nilai frekuensi
yang dominan cenderung lebih rendah jika dibandingkan dengan setelah berkendara atau saat kelelahan.

Kata Kunci: Kelelahan, Sinyal Electromyography (EMG), Ekstraksi Sinyal

berada pada kondisi kelelahan tetapi masih tetap saja

PENDAHULUAN
Berkembangnya alat transportasi menurut
jumlahnya memberikan dampak yang sangat signifikan,
baik sektor ekonomi ataupun peningkatan status sosial
seseorang. Tentunya semua orang saat ini memiliki
keinginan untuk memiliki kendaraan pribadi, khususnya
mobil. Sehingga memberikan dampak adanya
peningkatan jumlah mobil, dan semakin nyata terlihat
ketika para produsen mobil berlomba-lomba membuat
mobil dengan harga jual yang lebih murah dibandingkan
tahun-tahun sebelumnya. Hal ini tentunya membuat
kondisi jalan raya menjadi lebih padat, karena volume
jalan menjadi bertambah. Dengan bertambahnya
volume jalan, mengakibatkan berbagai masalah,
diantaranya kemacetan.
Kondisi jalan yang macet memiliki pengaruh
yang sistemik bagi pengguna jalan, diantaranya yang
paling memprihatinkan adalah membuat meningkatnya
angka kecelakaan lalu lintas. Walau sebenarnya,
kecelakaan mempunyai banyak faktor sebagai
pennyebab terjadinya, tetapi faktor tertinggi sebenarnya
disumbang oleh kesalahan si pengemudi itu sendiri.
Kesalahan yang sering muncul adalah, pengemudi
mengendarai kendaraannya atau akibat terlalu lama
mengemudi akibat kemacetan ataupun akibat terlalu
jauh dalam mengemudikan kendaraanya. Hal ini
tentunya harus diantisipasi lebih awal, akan tetapi
permasalah yang sering muncul bagi si pengemudi
adalah tidak mengetahui dengan sebenar-benarnya
kalau kondisi tubuhnya sudah mengalami kelelahan.
Kelelahan sebenarnya merupakan suatu
mekanisme perlindungan dari tubuh agar tubuh
terhindar dari kerusakan lebih lanjut. Maka, jika
mengalami kelelahan saat mengemudi seharusnya hal
yang harus dilakukan adalah beristirahat. Kondisi
kelelahan setiap orang biasanya berbeda-beda, tetapi
semuanya bermuara pada kehilangan efisiensi dan
penurunan ketahanan tubuh serta penurunan
kemampuan dalam berkonsentrasi. Konsep kelelahan
dibagi menjadi subyektif, obyektif dan fisiologi.
Kelelahan subyektif adalah dibedakan dengan suatu
penurunan kesiagaan, konsentrasi mental, dan motivasi
dan kelelahan obyektif adalah dicirikan dengan
penurunan input kerja, sedangkan kelelahan fisiologi
adalah dihubungkan dengan perwujudan eksternal
seperti ketidakmampuan mempertahankan suatu gaya
input yang diberikan, gemetar pada otot, dan kesakitan

Pengembangan Sistem Deteksi Kelelahan Pada Pengemudi Mobil Berbasis Sinyal EMG | 18
Jurnal Elemen Volume 3 Nomor 1, Desember 2016
pada sekelompok otot tertentu yang melaksanakan
kontraksi. Hal ini tentuya akan berakibat sangat fatal
jika pada saat kondisi lelah tetap dipertahankan untuk
mengendarai kendaraan, karena dapat membahayakan
dirinya sendiri dan juga pengguna jalan lainnya [1].
Untuk dapat mengetahui lebih awal kondisi
pengemudi atas kelelahannya, maka diperlukan sistem
yang dapat memberitahukan kepada pengemudi terkait
kondisinya. Sistem tersebut harus melibatkan
pengukuran secara fisiologi tubuh untuk dapat
memberikan keputuan yang akurat terhadap pengemudi.
Kondisi kelelahan dapat diketahui melalui kondisi
kelelahan otot salah satunya pada kondisi otot lengan,
dimana otot lengan secara langsung berhubungan
dengan tangan yang memegang kemudi secara terus
menerus. Otot jika terus menerus bekerja dan dengan
posisi yang tidak bergerak-gerak tanpa berkontraksi dan
berelaksasi maka akan mengalami kondisi kelelahan
(fatique), sehingga penilaian terhadap fisiologis otot
dapat berpeluang dalam menilai kondisi kelelahan
pengemudi. Aktifitas otot, baik itu berkontraksi maupun
berelaksasi dapat dievaluasi dan direkam melalui sinyal
electromygram (EMG). Sinyal EMG memiliki
informasi terkait kondisi aktifitas otot, sehingga
perekaman sinyal EMG dapat menjadi sebuah tools
yang bisa diamati untuk mengevaluasi kelelahan
pengemudi.
TINJAUAN PUSTAKA
Otot adalah sebuah jaringan konektif dalam tubuh
yang tugas utamanya kontraksi. Kontraksi otot
berfungsi untuk memindahkan / menggerakkan bagian -
bagian tubuh dan substansi dalam tubuh. Ada tiga
macam sel otot alam tubuh manusia (jantung, lurik dan
polos) namun yang berperan dalam pergerakan
kerangka tubuh manusia adalah otot lurik (otot rangka).
Otot rangka adalah jaringan peka rangsang yang diatur
oleh saraf motorik somatic dalam kesatuan yang disebut
syaraf motorik unit (smu). Seperti halnya syaraf – syaraf
yang lain, smu juga memiliki ambang rangsang tertentu.
Jika rangsang yang diberikan melewati ambangnya,
maka pada syaraf tersebut akan muncul potensial aksi
dan dihantarkan sebagai impuls [2].
Karakteristik sinyal EMG mempunyai amplitudo
relatif kecil, yaitu berkisar 10mV dengan frekuensi 20 -
500 Hz, sehingga diperlukan rangkaian penguat, dan
filter band pass dengan low pass filter 500 Hz dan high
pass filter 20 Hz. Rangkaian penguat bisa berupa
differential amplifier berfungsi untuk menangkap sinyal
mioelektrik dari otot untuk kemudian dikuatkan.
Rangkaian ini mempunyai impedansi input yang sangat
rendah sehingga dapat disiasati dengan menggunakan
rangkaian instrumentation amplifier [3].
Untuk dapat menganalisa tingkat kelelahan dari
otot lengan, maka sinyal EMG perlu untuk dianalisa
berdasarkan parameter frekuensinya. Sinyal terlebih
Pengembangan Sistem Deteksi Kelelahan Pada Pengemudi Mobil Berbasis Sinyal EMG | 19
ISSN : 2442-4471
dahulu harus ditransformasi menggunakan Fourier.
Transformasi Fourier (TF) direpresentasikan kedalam
persamaan matematis seperti pada persamaan 1. TF
berjalan sesuai dengan translasi suatu fungsi dalam
domain waktu kedalam fungsi dari domain frekeunsi.
Hasil perhitungan dari transformasi fourier dapat
dijadikan bahan dalam menganalisa sinyal EMG, karena
nilai-nilai dari koefisien fourier merupakan hasil dari
frekuensi-frekuensi sinus dan cosinus yang digunakan
dalam TF [4].
Untuk data diskrit, TF disebut sebagai Discrite
Fourier Transform (DFT). DFT direpresentasikan
kedalam matematis, seperti pada persamaan 2. Pada
proses perhitungan menggunakan DFT akan memakan
proses komputasi yang sangat banyak dan
menghabiskan waktu yang panjang jika jumlah datanya
besar. Sehingga untuk membantu proses perhitungan,
digunakan algoritma cepat dalam menghitung TF, yaitu
dengan algoritma Fast Fourier Transform (FFT).
Parameter yang dapat dibentuk pada domain frekuensi
salah satunya adalah Mean Power Frekuensi (MPF).
MPF merupakan hasil dari penjumlahan bobot
magnitudo disetiap frekuensi yang dibagi dengan
jumlah magnitudo. MPF dirumuskan seperti pada
persamaan 3. Untuk membuat pola MPF sinyal EMG
dapat di klasifikasikan dengan jelas, maka tahap
pengolahan selanjutnya adalah proses windowing.
Dengan tujuan untuk mengurangi efek diskotinuitas
sinyal. Dalam proses windowing sinyal EMG digunakan
windowing hamming. Proses windowing merupakan
hasil perkalian input sinyal EMG dengan fungsi window
hamming yang ditunjukkan dengan fungsi windowing,
[5].
F x  t   X     x t  e
 jt
dt 1

N 1 2
DFT x  n   X  k   x  n  e
j kn
N 2
n 0
N
MPF 
 2 f  i   mag  i 
i 1
3
N
 2
i 1
mag  i 
METODOLOGI
Penelitian ini dilakukan berdasarkan tahapan-
tahapan penting yang dikerjakan dengan berorientasikan
kepada indikator keberhasilan dalam merekam sinyal
EMG dan mampu untuk menghasilkan parameter-
parameter penting dari sinyal EMG tersebut yang dapat
diidentifikasi berdasarkan tiap waktu dari otot lengan
yang memegang kemudi. Untuk mencapai indikator
tersebut, maka tahapan-tahapan dalam penelitian ini
tergambar pada Gambar 1.
Jurnal Elemen Volume 3 Nomor 1, Desember 2016 ISSN : 2442-4471

Pada proess digital, dilakukan proses filter Low Pass

Mulai
Filter sebesar 500 Hz. Proses digital selanjutnya adalah
dengan melakukan analisis pada domain frekuensi.
Untuk melakukannya, diperlukan transformasi fourier
Desain dan dengan menggunakan algoritma fast fourier transform
Konfigurasi (fft). Hasil dari transformasi fourier diidentifikasi
Elektroda berdasarkan nilai Mean Power Frequency (MPF).
Penelitian ini menggunakan subjek normal laki-laki usia
29 Tahun. Kegiatan pengambilan data dilakukan
sebanyak 8 kali.
Pengembangan Pengembangan
Sistem Akuisisi Software Rekaman
Data Data Digital HASIL DAN PEMBAHASAN

Kegiatan pengambilan data ditunjukkan seperti pada

Mendesain Percobaan
Kelelahan akibat memegang
kemudi dan melakukan
perekaman sinyal EMG
Melakukan
Preprocessing dan
Analisis Domain
Frekuensi
Uji Statistik dan
Penyimpulan hasil
pengolahan data
Selesai
Gambar 1 Tahapan Penelitian
Penelitian memiliki tujuan akhir dan jangka
panjang untuk dapat menghasilkan dan menjadi sistem
deteksi kelelahan pengemudi berdasarkan informasi
kondisi fisiologis pengemudi. Sehingga untuk dapat
mewujudkan hal tersebut, maka pada penelitian awal
ini, parameter yang menjadi fondasi penting dalam
mendukung tujuan tersebut adalah mampu mendapatkan
ekstraksi sinyal berdasarkan domain frekuensi.
Parameter frekuensi merupakan parameter pengamatan
yang dilakukan pada penelitian ini. Hal ini diperoleh
berdasarkan studi pendahuluan yang menyatakan bahwa
berdasarkan waktu pola sinya EMG berbeda-beda.
Untuk dapat menjadikan sesuatu hal yang dapat terukur
dengan empiris, maka sinyal EMG tersebut dapat
diamati berdasarkan warna dari frekuensinya.
Akuisisi data dilakukan dengan menggunakan
frekuensi sampling sebesar 4 KHz. Dengan proses filter
analog untuk High Pass Filter sebesar 2 KHz dan Low
Pass Filter sebesar 500 Hz. Setelah data direkam, pada
sinyal dilakukan proses downsampling menjadi 1 KHz.
gambar 2. Pada gambar 2 tersebut, pengemudi
melakukan perjalanan dari titik 0 km di Kota
Banjarmasin, dan dilakukan hingga menempuh jarak
sejauh 80 km, yakni tepatnya berada di Kota Pelaihari.
Kegiatan dilakukan selama 8 kali perjalanan.
Perekaman sinyal biologis otot dilakukan ketika baru
melakukan perjalanan, yakni di sebelum menempuh
jarak 2 km, sinyal yang terekam tersebut digunakan
sebagai sinyal saat tidak terjadi kelelahan. Perekaman
dilakukan lagi saat mendekati di km 80, yakni pada
posisi km 78 sebagai data kelelahan. Adapun contoh
sinyal yang berhasil direkam ditunjukkan pada gambar
3 untuk sinyal pengemudi diawal mengemudi dan pada
gambar 4 untuk sinyal kelelahan setelah mengemudi
sejauh 80 km.
Sinyal biologis otot yang diperoleh, baik itu sebelum
berkendara maupun setelah berkendara dilakukan peng-
ekstraksian ciri berdasarkan domain frekuensi. Hal ini
dilakukan guna memperoleh dan mendapatkan ciri dari
dua kondisi tersebut. Untuk dapat melakukannya,
digunakan transformasi fourier untuk mengkonversi
kedalam domain frekuensi. Pengkonversian
menggunakan algoritma fast fourier transform (FFT).
Selanjutnya setelah dikonversi kedalam domain
frekuensi, maka dilakukan perhitungan terhadap Mean
Power Frekuensi (MPF). MPF merupakan hasil dari
penjumlahan bobot magnitudo disetiap frekuensi yang
dibagi dengan jumlah magnitudo. MPF dapat
mencerminkan difrekuensi mana sinyal tersebut
dominan. Adapun hasil dari perhitungan MPF
ditunjukkan pada Tabel 1. Sedangkan spektrum
frekuensi dari kedua sinyal biologis otot tersebut,
ditunjukkan pada Gambar 5 dan Gambar 6.

Pengembangan Sistem Deteksi Kelelahan Pada Pengemudi Mobil Berbasis Sinyal EMG | 20
Jurnal Elemen Volume 3 Nomor 1, Desember 2016 ISSN : 2442-4471

Gambar 2 Aktifitas Pengambilan Data Sinyal Gambar 5 Spektrum Frekuensi Sinyal Biologis Otot
Biologis Otot Pengemudi Kondisi Awal Berkendara

1.2

0.8
Amplitudo

0.4

0.0

-0.4

0 2 4 6 8 10 12

Detik
Gambar 6 Spektrum Frekuensi Sinyal Biologis Otot
Gambar 3 Sinyal Biologis Otot Pengemudi Pada Kondisi Setelah Berkendara
Awal Berkendara

1.2 Tabel 1 Perbandingan nilai MPF saat awal berkendara

dengan setelah berkendara.
0.8
Percobaan Mean Power Frekuensi (Hz)
Ke- Awal Akhir
1 25,6 33,5
Amplitudo

0.4 2 26,5 33,3

3 23,3 32,3
0.0 4 27,4 32,8
5 24,4 33,2
6 24,0 33,7
-0.4
7 24,6 34,0
8 26,4 33,9
0 2 4 6 8 10 12 Rata-rata 25,2 33,3
detik Standar
1,42 0,57
Deviasi
Gambar 4 Sinyal Biologis Otot Pengemudi Setelah
Berkendara Sinyal biologis otot yang direkam merupakan hasil
dari representasi aktifitas elektris yang terjadi saat
konstraksi otot. Sinyal tersebut direkam dengan
menggunakan surface EMG di bagian lengan sebelah
kanan. Elektroda yang menempel sebelah kanan

Pengembangan Sistem Deteksi Kelelahan Pada Pengemudi Mobil Berbasis Sinyal EMG | 21
Jurnal Elemen Volume 3 Nomor 1, Desember 2016 ISSN : 2442-4471

dihubungkan dengan penguat instrumentasi dan
digitalisasi melalui unit pemproses sinyal untuk dapat
disimpan kedalam komputer. Akuisisi data dilakukan
dengan menggunakan frekuensi sampling sebesar 4
KHz. Dengan proses filter analog untuk High Pass Filter
sebesar 2 KHz dan Low Pass Filter sebesar 500 Hz.
Setelah data direkam, pada sinyal dilakukan proses
downsampling menjadi 1 KHz. Pada proess digital,
dilakukan proses filter Low Pass Filter sebesar 500 Hz.
Proses digital selanjutnya adalah dengan melakukan
analisis pada domain frekuensi. Untuk melakukannya,
diperlukan transformasi fourier dengan menggunakan
algoritma fast fourier transform (fft). Hasil dari
transformasi fourier diidentifikasi berdasarkan nilai
Mean Power Frequency (MPF). Penelitian ini
menggunakan subjek normal laki-laki usia 29 Tahun.
Kegiatan pengambilan data dilakukan sebanyak 8 kali.
Berdasarkan hasil perhitungan MPF diperoleh nilai
untuk saat awal berkendara nilai rata-rata MPF nya
adalah sebesar 25,2 Hz sedangkan pada akhir
berkendara bernilai sebesar 33,3 Hz. Nilai MPF
merupakan refresentasi dari nilai frekuensi mana yang
lebih dominan pada spektrum frekuensi sinyal, tentu hal
ini mengindikasikan nilai frekuensi untuk setiap kondisi
pengemudi, yakni saat awal berkendara nilai frekuensi
yang lebih dominan adalah 25,2 Hz atau lebih rendah
dari setelah berkendara. Dengan hasil ini dapat
tergambarkan kondisi pengemudi yakni pada saat awal
mengemudi dan tidak terjadi kelelahan maka nilai
frekuensi yang diminan cenderung lebih kecil jika
dibandingkan dengan setelah berkendara atau saat
kelelahan.
Dengan adanya perbedaan yang jelas, maka proses
penetuan kelelahan dapat ditentukan berdasarkan sinyal
biologis otot berdasarkan parameter frekuensi
sinyalnya. Untuk upaya dalam melakukan pendalaman
analisis terhadap kelelahan dan untuk dapat menetuan
tingakatan kelelahan maka penelitian ini dapat
dilanjutkan dengan melakukan penambahan input
parameter sinyal biologis lainnya seperti detak jantung
dan pola pernapasan pengemudi.
adanya perbedaan ini, maka dapat disimpulkan bahwa
pengemudi yang kelelahan memiliki nilai MPF yang
cenderung lebih tinggi daripada sebelum berkendara
atau tidak terjadi kelelahan.
UCAPAN TERIMA KASIH
Penelitian ini dibiaya oleh dana riset dari Kementrian
Riset Teknologi dan Pendidikan Tinggi Negara
Republik Indonesia pada tahun 2016
DAFTAR PUSTAKA
[1] Enoka. Roger M, Duchateau. jacques, 2008, "Muscle
fatigue: what, why and how it influences muscle
function", The Journal of Physiology, vol 586, no.
01, pp. 11-23.
[2] Martini. Frederic H, Nath. Judi L, Bartholomew.
Edwin F, 2014, "Fundamentals of Anatomy &
Physiology 10th", Pearson.
[3] Webster. John G, 2010, "Medical Instrumentation
application and design fourth edition", Wiley.
[4] Zawawi. T.N.S.T, Abdullah. A.R, Shair. E.F, Halim.
I, Rawaida.O, 2013,"Electromyography Signal
Analysis Using Spectrogram", IEEE Student
Conference on Research and Development
(SCOReD) 16-17 Desember 2013 Putrajaya
Malaysia. pp. 319 - 324.
[5] Dantas. Jose L, Camata. Thiago V, Brunetto. Maria
A.O.C, Moraes. Antonio C, Abrao. Taufik, Altimari.
Leandro R, 2010, "Fourier and Wavelet Spectral
Analysis of EMG signals in Isometric and Dynamic
Maximal Effort Exercise", 32nd Annual
International Conference of the IEEE EMBS,
pp.5979-5982.

KESIMPULAN

Penelitian ini telah diselesaikan dari tahapan

perancangan sisi hardware dan software serta pada sisi
analisis. Pada sisi hardware telah dirancang alat
perekam sinyal biologis EMG yang diletakkan pada
bagian lengan pengemudi. Sedangkan pada sisi software
telah dikembangkan program antar muka yang akan
merekem sinyal biologis EMG mejadi data digital, dan
sinyal telah dianalisis lebih lanjut menggunakan analisis
domain frekuensi hingga menghitung nilai MPF nya.
Hasil yang diperoleh yaitu pada awal berkendara atau
saat belum terjadi kelelahan otot nilai MPF yang
diperoleh dengan rata-rata sebesar 25,2 Hz sedangkan
untuk setelah berkendara atau saat terjadi kelelahan nilai
rata-rata MPF nya adalah sebesar 33,3 Hz. Dengan

Pengembangan Sistem Deteksi Kelelahan Pada Pengemudi Mobil Berbasis Sinyal EMG | 22